Statistiques et ajustements
Lire un nuage de points, comparer des ajustements, changer de variable et discuter la portée d’une prévision.
Environ 35 minutes
- Représenter une série de couples numériques
- Utiliser et discuter une droite d’ajustement
- Reconnaître l’effet d’un changement de variable donné
Une série de mesures presque alignées permet-elle de prédire une valeur inconnue ?
Une relation théorique et une mesure expérimentale ne jouent pas le même rôle. Des mesures varient, même lorsque les conditions paraissent proches. Un ajustement propose une relation simple qui résume une tendance. Cette relation peut servir à estimer une valeur, à condition de conserver les unités, les conditions de mesure et les limites du domaine étudié.
Passer du tableau au nuage de points
Une série statistique à deux variables quantitatives associe à chaque observation un couple (x ; y). Il peut s’agir du temps et d’un signal, d’une concentration et d’une réponse instrumentale, ou de deux dimensions mesurées sur des objets. Les deux nombres d’un couple proviennent de la même observation : on ne trie jamais une colonne indépendamment de l’autre. Sinon, on fabrique des associations qui n’ont pas été mesurées.
On place x en abscisse et y en ordonnée, en indiquant les unités et les graduations. Un nuage de points garde chaque observation visible. Relier tous les points par une ligne brisée suggère une succession ou une évolution continue ; cela n’est pertinent que si le contexte le permet. Dans un étalonnage, les points représentent d’abord des mesures distinctes. Le choix des échelles peut accentuer ou atténuer visuellement les écarts, sans changer les nombres.
Avant de calculer, observe la tendance : croissante, décroissante, courbe ou sans organisation évidente. Repère une éventuelle valeur isolée et recherche une explication documentée : erreur de saisie, unité différente, condition expérimentale particulière. Une valeur gênante ne se supprime pas pour rendre le modèle plus joli. On peut comparer un ajustement avec et sans elle, mais il faut expliquer ce choix et garder la trace de la mesure.
Vocabulaire
- Nuage de points :
- Ensemble des points représentant les couples observés.
- Ajustement :
- Relation choisie pour résumer la tendance d’une série.
- Résidu :
- Différence entre une valeur observée et la valeur prédite au même x.
- Domaine observé :
- Intervalle des valeurs de x effectivement présentes dans les données.
Construire et comparer des ajustements affines
Un ajustement affine prend la forme y estimé = ax + b. Le coefficient a traduit la variation estimée de y lorsque x augmente d’une unité ; son unité est celle de y divisée par celle de x. Le coefficient b est la valeur estimée pour x = 0. Il n’a une interprétation physique directe que si cette situation est pertinente. Une droite d’ajustement ne doit pas nécessairement passer par l’origine, même si la tendance est croissante.
Pour chaque observation i, le résidu est eᵢ = yᵢ − (axᵢ + b). Il est positif si le point est au-dessus de la droite et négatif s’il est au-dessous. Additionner directement les résidus peut masquer de grands écarts qui se compensent. La somme de leurs carrés, notée S, est toujours positive ou nulle et ne permet pas cette compensation. La méthode des moindres carrés choisit la droite qui minimise cette somme pour les données étudiées.
Exemple résolu
Pour les points (0 ; 1,1), (1 ; 2,9), (2 ; 5,1), (3 ; 6,9), comparer les droites D₁ : y = 2x + 1 et D₂ : y = 2x.
- Étape 1 : D₁ prédit 1, 3, 5 et 7. Ses résidus valent 0,1 ; −0,1 ; 0,1 ; −0,1.
- Étape 2 : La somme des carrés vaut S₁ = 4 × 0,1² = 0,04.
- Étape 3 : D₂ prédit 0, 2, 4 et 6. Les résidus valent 1,1 ; 0,9 ; 1,1 ; 0,9, donc S₂ = 1,21 + 0,81 + 1,21 + 0,81 = 4,04.
Résultat : D₁ ajuste mieux ces données selon la somme des carrés. Cette comparaison entre deux droites ne prouve pas que D₁ est la meilleure parmi toutes les droites possibles.
Piège à éviter : Une somme de résidus nulle ne signifie pas que tous les points sont sur la droite ; il faut considérer leurs carrés ou leur dispersion.
Un logiciel donne ici la droite des moindres carrés y = 1,96x + 1,06. Les résidus sont 0,04 ; −0,12 ; 0,12 ; −0,04, dont les carrés totalisent 0,032. Cette valeur est plus petite que 0,04. La différence est faible et son intérêt dépend de la précision des mesures. Écrire dix décimales dans les coefficients ne rend pas les observations plus précises. Garde les valeurs complètes pendant les calculs, puis arrondis les résultats de façon cohérente.
À toi d'essayer
Une droite prédit 4, 6 et 8 pour trois observations qui valent 3, 7 et 8. Calcule les résidus et la somme de leurs carrés.
Voir la réponseMasquer la réponse
Les résidus valent −1, 1 et 0. Leur somme vaut zéro, mais la somme des carrés est 1 + 1 + 0 = 2. Les deux premiers points ne sont donc pas exactement sur la droite.
Interpoler et extrapoler avec prudence
Une interpolation estime une valeur pour un x situé entre les valeurs observées. Une extrapolation estime une valeur au-delà de ce domaine. Les deux utilisent la même formule, mais n’ont pas la même portée. Une bonne proximité sur une petite plage ne prouve pas que la relation reste valable loin de cette plage. Une saturation, un changement de régime ou une limite de l’appareil peut invalider une extrapolation.
Exemple résolu
Un ajustement d’étalonnage donne S = 0,80c + 0,10, avec c en mg/L et S sans unité. Les concentrations observées vont de 0 à 5 mg/L. Estimer S pour c = 3 mg/L, puis c pour S = 2,10.
- Étape 1 : Pour c = 3, on calcule S = 0,80 × 3 + 0,10 = 2,50. La concentration est dans la plage observée : c’est une interpolation.
- Étape 2 : Pour le signal 2,10, on résout 2,10 = 0,80c + 0,10. Ainsi c = (2,10 − 0,10)/0,80 = 2,50 mg/L.
- Étape 3 : La concentration retrouvée appartient à [0 ; 5]. On vérifie le résultat en la remplaçant dans la formule.
Résultat : Le signal estimé est 2,50 ; la concentration correspondant au second signal est 2,50 mg/L, dans les conditions d’étalonnage.
Piège à éviter : Le terme 0,10 doit être retiré avant de diviser par 0,80 ; une relation affine n’est pas nécessairement proportionnelle.
À toi d'essayer
Le même modèle donne S = 8,10 pour c = 10 mg/L. Ce calcul suffit-il à déclarer le signal fiable ?
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Un ajustement décrit une association statistique ; il ne prouve pas qu’une variable cause l’autre. Deux grandeurs peuvent évoluer ensemble parce qu’une troisième agit sur les deux. Pour discuter une relation, précise le protocole, les conditions contrôlées et les connaissances scientifiques mobilisées. Un coefficient de corrélation élevé, lorsqu’il est fourni, ne remplace pas ce raisonnement et ne garantit pas la validité d’une prévision lointaine.
Changer de variable pour reconnaître une relation
Un nuage courbe peut devenir presque aligné si l’on transforme une variable selon une indication de l’énoncé. On peut par exemple poser u = x², u = 1/x ou z = log(y). Chaque transformation possède des conditions : x doit être non nul pour 1/x ; y doit être strictement positif pour le logarithme décimal. On conserve les données initiales et on construit une nouvelle colonne, sans confondre les deux variables.
Si z = log(y) s’ajuste par z = at + b, alors y = 10^(at + b), soit y = 10^b × (10^a)^t. Une droite dans les variables transformées correspond ici à une évolution exponentielle dans les variables initiales. Revenir à y est indispensable pour répondre à une question portant sur la grandeur mesurée. Un ajustement dans une échelle logarithmique ne minimise pas automatiquement les mêmes écarts qu’un ajustement dans l’échelle initiale.
Exemple résolu
Aux temps t = 0, 1, 2 et 3, une grandeur positive vaut 1, 2, 4 et 8. Avec z = log(y), proposer un modèle puis estimer y au temps 4.
- Étape 1 : Les valeurs transformées sont 0 ; log(2) ; 2log(2) ; 3log(2). Elles forment une relation affine exacte avec t.
- Étape 2 : On écrit z = t × log(2), puis on revient à la grandeur initiale : y = 10^(t log(2)) = 2^t.
- Étape 3 : Au temps 4, le modèle donne y = 16. Comme 4 dépasse le dernier temps observé, cette estimation est une extrapolation.
Résultat : Le modèle y = 2^t reproduit les quatre valeurs et prévoit 16 au temps 4, sous l’hypothèse que la même évolution se poursuit.
Piège à éviter : La valeur z n’est pas la valeur y : oublier la transformation inverse donnerait une réponse dans la mauvaise variable.
À toi d'essayer
Des mesures vérifient approximativement y = 3u + 2 après le changement u = 1/x, avec x > 0. Exprime y en fonction de x. Une hausse de x entraîne-t-elle une hausse de y dans ce modèle ?
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Au bac : défendre le choix du modèle
Au bac : une estimation accompagnée de ses limites
- Présenter les variables, leurs unités et les couples observés. Lire la forme du nuage avant de choisir un ajustement.
- Donner l’équation avec la précision utile. Comparer les résidus ou la somme de leurs carrés si la question le demande.
- Préciser si le calcul est une interpolation ou une extrapolation ; revenir aux variables initiales après une transformation.
- Conclure sur la valeur estimée et sur ses conditions de validité, sans transformer une tendance en certitude.
Ne supprime pas un point uniquement parce qu’il augmente les résidus. Ne force pas une droite sur une courbe visible. Ne présente pas un résultat statistique comme une loi physique démontrée.
Bilan
| Repère | Interprétation |
|---|---|
| Nuage | Observations représentées sans relation imposée. |
| Droite ajustée | Résumé d’une tendance sur un domaine. |
| Résidu | Écart observé moins prédit. |
| Changement de variable | Transformation à justifier et à inverser. |
S’entraîner
Poursuis ton travail dans l’espace S’entraîner du site, accessible à l’adresse /exercices. Reprends d’abord les questions que tu n’as pas réussies sans aide, puis explique tes étapes à voix haute.
À retenir
- Un ajustement affine a la forme y estimé = ax + b.
- Les moindres carrés minimisent la somme des carrés des résidus.
- L’extrapolation utilise le modèle au-delà des valeurs observées.
- Une relation affine entre t et log(y) correspond à une relation exponentielle entre t et y.
Fiche de révision
Vérifie d’abord que chaque couple associe les bonnes observations et les bonnes unités.
Pour comparer deux modèles, calcule leurs prédictions aux mêmes abscisses et garde les mêmes données.
Une valeur estimée n’est pas une mesure supplémentaire : indique sa provenance.
Après un ajustement de z = log(y), applique y = 10^z pour retrouver la grandeur cherchée.
Questions fréquentes
Pourquoi utiliser des carrés ?
Ils rendent tous les écarts non négatifs et évitent la compensation entre valeurs positives et négatives.
Une droite qui passe par deux points suffit-elle ?
Elle peut proposer une tendance, mais il faut examiner les autres points et le contexte pour juger de sa pertinence.
Et maintenant ?
Tu as lu le cours. L’étape suivante tient en une action.
Relis le coursReprends l’essentiel avant de passer à la suite.Prolonge l’expérience !
Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !
Ici, tu débloques aussi 2 corrections détaillées.
Parent ? Suivez les progrès de votre enfant.
